GTB Open Source : Comment nous avons remplacé une solution propriétaire coûteuse par une stack 100% libre

Le constat : des solutions GTB coûteuses et rigides

La Gestion Technique du Bâtiment (GTB) est essentielle pour optimiser le confort thermique et la consommation énergétique. Pourtant, les solutions traditionnelles du marché présentent plusieurs inconvénients majeurs :

• Coûts de licence prohibitifs : Des abonnements annuels qui pèsent lourdement sur les budgets
• Dépendance au fournisseur : Impossible de personnaliser sans intervention (et facturation) du prestataire
• Interfaces vieillissantes : Des dashboards peu intuitifs qui n'exploitent pas les possibilités modernes de visualisation
• Données captives : Difficile d'exporter ou d'exploiter ses propres données

Face à ce constat, nous avons décidé d'explorer une approche radicalement différente : construire un système GTB 100% open source, sans aucune dépendance propriétaire, en utilisant des technologies IoT modernes et des briques logicielles libres.

Notre objectif : prouver qu'il est possible de reprendre le contrôle total de sa gestion technique du bâtiment — ses données, ses coûts, son évolution.

Notre approche : LoRaWAN + Stack moderne

Le choix de LoRaWAN

Pour la collecte des données, nous avons opté pour le protocole LoRaWAN (Long Range Wide Area Network). Ses avantages :

• Longue portée : Plusieurs kilomètres en milieu urbain, idéal pour couvrir un bâtiment entier
• Faible consommation : Les capteurs fonctionnent sur batterie pendant des années
• Coût réduit : Pas de frais d'abonnement cellulaire, infrastructure légère
• Interopérabilité : Standard ouvert, compatible avec de nombreux capteurs du marché

Architecture technique

Notre système repose sur une stack entièrement open source :

[IMAGE : Schéma architecture Capteurs → ChirpStack → Backend → Frontend]

Le cas d'usage : Gymnase de Montesson

Pour valider notre approche, nous avons instrumenté un gymnase municipal de 20 zones avec 10 capteurs.

Fonctionnalités développées

1. Dashboard temps réel

Un tableau de bord affichant en direct :

• Température, humidité et CO2 par zone
• Statut de confort (code couleur : vert/orange/rouge)
• Consommation énergétique estimée
• Réglage des consignes de température (+/- 0.5°C)

2. Visualisation 3D immersive

[IMAGE : Capture de la vue 3D Three.js du gymnase]

Grâce à Three.js, nous avons créé une représentation 3D du bâtiment permettant de :

• Visualiser l'état thermique de chaque pièce en un coup d'œil
• Naviguer dans le bâtiment (rotation, zoom)
• Voir les capteurs avec leurs mesures en temps réel

3. Plan 2D interactif

Un plan vectoriel (SVG) où chaque pièce est cliquable pour afficher ses détails. Les zones en alerte pulsent visuellement pour attirer l'attention.

4. Règles d'automatisation

Six règles GTB pré-configurées :

5. Historique et analyse

Graphiques interactifs sur différentes plages (1h, 6h, 24h, 7 jours) pour analyser l'évolution de la température, les variations d'humidité et la concentration en CO2.

Résultats et bénéfices

Gains mesurés

Ce que nous avons démontré

1. Faisabilité technique : Un système GTB complet peut être construit avec des briques open source
2. Réduction des coûts : Élimination des licences logicielles récurrentes
3. Flexibilité totale : Ajout de fonctionnalités à la demande, sans dépendance externe
4. Expérience utilisateur moderne : Visualisation 3D, temps réel, interface responsive

Les défis rencontrés

Qualité des données capteurs

Les capteurs IoT peuvent parfois renvoyer des valeurs aberrantes. Nous avons implémenté des filtres et une logique de validation pour garantir la fiabilité des mesures affichées.

Synchronisation temps réel

Assurer une mise à jour fluide de l'interface (WebSocket) tout en gérant potentiellement des dizaines de capteurs a nécessité une architecture événementielle bien pensée.

Courbe d'apprentissage

Contrairement à une solution clé en main, notre approche demande des compétences en développement. C'est un investissement initial qui se rentabilise sur le long terme.

Vers la production : deux options de déploiement

Option 1 : Hébergement VPS centralisé

Pour les déploiements multi-sites ou les budgets serrés, un VPS (Virtual Private Server) offre le meilleur rapport coût/performance :

Comparaison sur 5 ans (infrastructure seule, hors développement initial) :

• Solutions propriétaires : 25 000 - 75 000 €
• Notre approche : 1 200 - 1 800 €

Option 2 : Edge AI — le cerveau dans le bâtiment

Pour une souveraineté totale des données, nous déployons l'intelligence directement sur site.

Options matérielles :

Avantages de l'edge AI :

1. Souveraineté totale — Vos données ne quittent jamais le bâtiment. Pas de RGPD à gérer avec un sous-traitant cloud.
2. Résilience — Coupure internet ? Le bâtiment continue de fonctionner.
3. Latence temps réel — Décisions en <10ms vs 100-500ms via cloud.
4. Coût prévisible — Investissement one-shot, amorti en 6-12 mois vs abonnement cloud.
5. Confidentialité — Indispensable pour les sites sensibles (hôpitaux, défense, industrie).

Le meilleur des deux mondes : On peut combiner edge + cloud — calcul local pour le temps réel, synchronisation cloud optionnelle pour les backups et le multi-sites.

La prochaine étape : optimisation prédictive par IA

La vraie valeur ajoutée de notre stack open source : elle permet d'implémenter du Model Predictive Control (MPC) — une technique d'optimisation éprouvée depuis 10+ ans dans l'industrie, mais rarement accessible aux petites structures à cause des coûts logiciels.

Ce que c'est vraiment

Pas de magie, juste des maths appliquées. Un modèle thermique apprend le comportement réel du bâtiment (inertie des murs, impact du soleil, temps de réponse CVC), puis un optimiseur calcule la meilleure stratégie sur un horizon de 24h en fonction de la météo, du planning d'occupation et des tarifs énergétiques.

Ce que ça permet concrètement

Optimisations systématiques que les règles statiques ratent :

• Démarrer le chauffage plus tard quand la météo annonce du soleil (apport gratuit)
• Préchauffer pendant les heures creuses (électricité moins chère) et laisser l'inertie faire le reste
• Anticiper un pic d'occupation et pré-ventiler pour éviter le pic de CO2

Résultats documentés (littérature académique) :

• Économies typiques : 10-25% selon le bâtiment et la qualité du modèle
• Cas extrême : DeepMind a obtenu -40% sur le cooling des datacenters Google (contexte très spécifique)

Soyons honnêtes sur les limites

Le modèle n'est pas le bâtiment réel. Il y a toujours un écart :

• Infiltrations d'air non modélisées
• Comportements occupants imprévisibles
• Équipements qui vieillissent
• Fenêtres ouvertes en hiver

Notre approche : Commencer conservateur, mesurer l'écart modèle/réel, ajuster progressivement. Le gestionnaire garde toujours la main.

Human-in-the-loop : l'humain décide

L'optimiseur propose, le gestionnaire dispose :

"Demain, météo ensoleillée prévue. Je propose de retarder le démarrage chauffage de 45 min.

Économie estimée : 12-18% sur la journée (intervalle de confiance 80%).

[Appliquer] [Modifier] [Ignorer]"

Chaque décision humaine (acceptation, refus, ajustement) améliore le modèle. Le système apprend les préférences réelles du gestionnaire, pas seulement les contraintes physiques.

Conclusion : 100% Open Source, 0% Vendor Lock-in

Ce POC démontre une réalité souvent méconnue : il est possible de construire un système GTB performant sans aucune dépendance à des solutions propriétaires.

Chaque brique de notre architecture est open source et interchangeable :

Aucun composant ne vous enferme. Si demain une technologie évolue ou qu'un besoin change, la migration reste possible sans perdre vos données ni repartir de zéro.

Les vrais gains de l'indépendance

1. Propriété des données — Vos données vous appartiennent, stockées sur votre infrastructure
2. Évolutivité autonome — Ajoutez des fonctionnalités sans attendre (ni payer) un prestataire
3. Pérennité — Pas de risque si un éditeur ferme ou change sa politique tarifaire
4. Transparence — Code auditable, pas de boîte noire
5. Communauté — Support actif sur chaque brique (GitHub, forums)

Pour les gestionnaires de bâtiments, collectivités ou entreprises cherchant à moderniser leur GTB tout en gardant la maîtrise de leurs données et de leurs coûts, l'approche open source n'est plus une alternative marginale : c'est une solution mature, éprouvée et économiquement pertinente.

Vous souhaitez explorer cette approche ?

Nous accompagnons les entreprises et collectivités dans la modernisation de leur gestion technique du bâtiment.

Ce que nous proposons :

• Diagnostic gratuit (30 min) — Évaluation de votre infrastructure actuelle et identification des opportunités
• POC sur mesure — Déploiement pilote sur une zone de votre bâtiment
• Accompagnement complet — De l'audit à la mise en production, avec transfert de compétences

Demander un diagnostic gratuit →

Article rédigé par l'équipe IA LA SOLUTION — Experts en intelligence artificielle et transformation digitale